Beyond DFT: Quantum Chaos and Neural Networks for 2D Material Device Design
Dieses Paper präsentiert ein Machine-Learning-Framework, das Quantenchaos-Theorie und Multilayer-Perzeptronen kombiniert, um die abstimmbare Quantenstabilität und die Strom-Spannungs-Kennlinien von Selen-dotierten MoS2-Feldeffekttransistoren präzise vorherzusagen und dabei die Rechenkosten traditioneller Dichtefunktionaltheorie zu umgehen.